发电机局部放电甚高频检测方法的研究及应用

分析了0.04～100 MHz、5～20 MHz、5～50 MHz、15～50 MHz 4个测量频带对发电机局部放电测量的影响,同时针对连续周期干扰和随机脉冲干扰的抑制特点,讨论了发电机局部放电检测中有效的抗干扰方法--动态阈值法、滤波法及单个脉冲时序对比法,并分析了单个脉冲时序对比法的现场应用效果.最后得出:5～50 MHz的测量频带的信噪比较高,基于甚高频测试技术和双传感器耦合的单个脉冲时序对比法抗干扰效果良好.     

高噪声环境下基于自适应滤波语音降噪技术的研究

为了在高噪声环境下得到较清晰的语音信息,本文提出一种基于线性预测的FIR自适应语音滤波器,对LMS算法作出改进,提高了算法的收敛性。在多种噪声环境下,MATLAB仿真实验结果表明,改进的算法具有更好的降噪效果,显著提高了信噪比,并保持了语音的自然度。     

基于改进的SVSLMS算法的语音识别系统研究

为了克服固定步长LMS算法固有的收敛速度与稳态误差之间的矛盾,在传统SVSLMS算法的基础上提出了改进的SVSLMS算法。通过理论分析和仿真研究的方法,给出了该算法中各个参数的选取方法,并确定了适用于本文所采用的语音样本库的参数最佳值。对固定步长LMS算法、传统SVSLMS算法以及提出的改进的SVSLMS算法进行了仿真对比。仿真结果表明,提出的改进的SVSLMS算法在降噪性能、收敛速度和稳态误差这3个方面都优于其余两种算法,有效的提高了语音识别系统的准确性和稳定性。     

基于动态信噪比估计的小波阈值去噪新算法

由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够衰减一部分语音信号中的噪声,但这些算法会不可避免地造成有用语音信号尤其是清音部分的损失,以至于去噪后的语音听觉质量下降,达不到很高的信噪比。针对这一问题,本文介绍了一种基于小波包变换和动态信噪比估计的阈值方法。这种方法可以有效地保护有用信号不被去除,但对于带噪信号在不同尺度下的信噪比,它的自适应性不强,因此本文对这种算法做了一些改进,使之可以达到更好的去噪效果。     

基于LMS的语音信号去噪算法

语音是人们进行思维沟通交流的主要桥梁,语音通信处理在现实环境下会受到各种各样的干扰,从受干扰的语音中尽可能地去除噪声,提高语音质量,是目前现代信号处理领域中至关重要的技术之一。引入了LMS自适应滤波法,并提出了变步长的LMS,同时实现了小波阈值降噪和LMS结合的自适应噪声对消。并选用不同的男声和女声语音,录制真实环境下的非平稳噪声,仿真实验表明小波阈值结合LMS的噪声对消法去噪性能最好,大幅提高了信噪比,改善了语音质量。     

语音增强系统中量测缺失问题的研究

在使用多个无线传感器对目标语音信号进行检测的语音增强系统中,由于网络环境带来的信息丢失,会对其滤波稳定性造成影响.以卡尔曼滤波为背景,探讨三传感器语音增强系统中量测缺失对卡尔曼滤波稳定性带来的影响.得出一些重要结论.在期望有界准则下,每个通道的量测成功传递概率存在一个关键值,该关键值的变化范围存在上界和下界.当量测成功...     

基于UNet自适应特征融合的语音增强

针对传统的语音增强网络对未知噪声增强效果不理想的问题,本文从语谱图增强,网络结构,特征融合机制三方面提出改进方法。首先为了提取语谱图深层特征信息,使用VGG19结构来代替UNet结构中编码器部分,同时在解码器部分加入残差网络以加深网络深度,防止训练退化;其次,为了更好地结合语谱图中特征信息,在UNet结构跳跃连接部分加入自适应特征融合机制来融合深浅层特征。此外,为增强说话人信息,通过直方图均衡算法对语谱图进行特征优化,得到直方图均衡化增强后的语谱图。在不同的噪声环境中,本文所提方法在质量和可理解性度量方面评分都优于其他增强方法。     

基于双树复小波变换信号去噪算法研究

离散小波变换被广泛应用于数字信号的去噪处理中,特别是非平稳信号、瞬时时变信号等的去噪,但是有平移敏感性的缺陷。为了克服这种缺陷,文中采用双树复小波变换进行信号去噪,并使用硬阈值、软阈值等准则进行滤波处理。最后采用SNR（信噪比）和MSE（均方误差）来评估两者信号去噪效果。结果表明,双树复小波变换能够较好的保存信号的细节信息,其去噪效果优于离散小波变换。     

基于小波分析与神经网络的语音端点检测研究

在语音识别系统中,端点检测是极其重要的一个环节。为了提高在各种实际噪声环境下语音端点检测的正确率,提出一种基于小波分析与神经网络的语音端点检测算法来提高语音端点检测率。利用小波分析提取语音信号的特征量,然后将特征向量作为BP神经网络输入进行学习,采用粒子群算法优化BP神经网络参数,建立语音端检测模型,并进行仿真实验,结果表明WA-IMPSO-BP提高了语音端点检测率,有效降低了虚检率和漏检率,是一种检测率高,抗噪性能强的语音检测算法。     

基于HMM的语音信号情感识别研究

包含在语音信号中的情感信息是一种很重要的信息,它是人们感知事物不可缺少的部分。本文在语音识别的基础上提出了应用隐马尔可夫模型(HMM)进行语音信号情感识别的研究。从情感语音的分类、情感语音资料的获取、情感语音特征提取及情感语音识别等方面,讨论了应用连续隐马尔可夫模型进行情感识别的整个过程,并得到了比较理想的识别结果。     

一种基于小波变换的语音信号去噪净化方法

语音信号在传输之前快速有效的去噪净化,对于3G通信具有重要的现实意义。由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够去除一部分语音信号中的噪声,但造成有用语音信号尤其是清音部分的损失,导致去噪后的语音听觉质量下降,达不到很高的信噪比。针对这一问题,本文在分析小波变换原理和传统软硬阈值法的基础上,建立了一种改进的阈值语音信号净化方法。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

基于小波多尺度分析和Kalman滤波的微机保护算法

提出了一种新的微机保护算法。采用小波多尺度变换对采集信号进行分解得到平滑信号和细节信号,在细节信号上利用模极大值法确定异常发生与否及其产生时刻。异常产生后进入故障处理程序,启动Kalman滤波器。利用平滑信号更新滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度;小波分析对故障进行初次检测和判断,而滤波器估计出故障信号基波分量结合继电保护原理对故障进行再次判断,提高了保护算法的可靠性。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。     

基于卡尔曼滤波的北斗接收机高灵敏度跟踪算法研究

为了提升载波跟踪环路滤除噪声干扰的能力,引入一种作为可靠最优估计方法的卡尔曼滤波估计算法,用于解决高动态或弱信号环境载波跟踪环路难以稳定工作的问题.首先分析噪声对跟踪环路产生的影响,讨论采用卡尔曼滤波估计算法的理论设计依据,并且从环路结构、模型建立和优化设计三方面着手设计了自适应卡尔曼滤波跟踪环路.试验结果表明,无论在静态还是动态场景,其定位性能和精度与传统跟踪环路相比,均有较大幅度提升.     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

改进谱减法结合神经网络的语音增强研究

背景噪声是通信系统噪声干扰的来源之一,语音增强可以降低乃至消除噪声干扰,进而提高语音的可懂度.为了减小复杂噪声环境下谱减法引发的音乐噪声,采取正交的多窗谱估计对语音功率谱平滑处理,有效的减小了信息丢失和估计波动.利用自适应谱减系数调整谱增益和谱下限来控制残留噪声,利用优化的IMCRA算法对噪声及时更新来判决语音段和静音段,同时借助特性良好的BP神经网络方法进行训练,语音和噪声谱通过谱减后,波形重构获取增强的语音信号.仿真结果表明语音降噪效果好、可懂度高.     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。